De cuong chi tiet mon học Hệ Thống Thông Tin Quản Lý

Đại Học Công Nghệ Thông Tin
Khoa Hệ Thống Thông Tin

ĐỀ CƯƠNG CHI TIẾT
Tên Đề Tài: XÂY DỰNG WEBSITE BÁN SÁCH ONLINE VÀ MỞ RỘNG TÍCH HỢP
CHỨC NĂNG GỢI Ý MUA HÀNG
Giáo viên hướng dẫn: Nguyễn Đình Loan Phương
Thời gian thực hiện: (từ ngày nhận đề tài đến ngày … )
Sinh viên thực hiện:



Huỳnh Văn Thông -10520630 (Email: )

Loại đề tài: Xây dựng ứng dụng web
1. Giới thiệu tổng quan

Trong những năm gần đây, với sự phát triển của thương mại điện tử (E-Comerce), đã
mang lại nhiều lợi ích to lớn cho nền kinh tế toàn cầu. Thông qua đó, nhiều loại hình kinh
doanh mới củng được hình thành, trong đó có hình thức mua bán hàng trên mạng. Với
hình thức này người tiêu dùng có thể tiếp cận với hàng hóa một cách dễ dàng và nhanh
chóng hơn rất nhiều so với phương thức mua bán truyền thống trước đây.
Hiện nay, các hệ thống bán hàng trực tuyến nói chung, hệ thống bán sách online nói
riêng, đã tạo nhiều điều kiện thuận lợi để người mua có thể tiếp cận nhiều mặt hàng cùng
lúc và dễ dàng trong việc mua sản phẩm hơn. Tuy nhiên, việc trình bày và trang trí quá
nhiều các mặt hàng trên website đã gây ra không ít khó khăn cho người mua. Họ khó có
thể lựa chọn ra cho mình một sản phẩm ưng ý nhất.
Để khách hàng có thể xem và lựa chọn cho mình một cuốn sách ưng ý thì một lời tư
vấn, một sự trợ giúp mua nào đó là rất quan trọng. Điều này trong thực tế, trong phương
thức bán hàng truyền thống, thì những lời tư vấn từ một người bán hàng sẻ tạo ra một lợi
thế rất lớn cho cửa hàng của họ. Do đó, đối với phương thức bán hàng trực tuyến qua

mạng thực sự phát triển thì bên cạnh những lợi thế vốn có của mình thì việc có thêm một
“sự trợ giúp” là hết sức cần thiết.
Một hệ thống gợi ý tốt có thể đóng vai trò như một người trung gian hỗ trợ khách
hàng đưa ra các quyết định mua hàng đúng đắn. Bằng cách xác định mục đích và nhu cầu
của khách hàng, hệ thống có thể đưa ra một tập các gợi ý giúp cho người mua dễ dàng
chọn lựa sản phẩm yêu thích hơn. Qua đó hiệu suất của việc mua bán hàng trực tuyến
được tăng cao một cách đáng kể.
2. Đối tượng, phạm vi nghiên cứu
- Xây dựng website bán sách online với các chức năng cơ bản hoàn chỉnh.
- Tìm hiểu giải thuật lọc cộng tác dựa trên bộ nhớ (Memory-based Collaborative
-

Filtering) trong hệ thống gợi ý.
Cài đặt và đánh giá giải thuật dựa trên một tập dữ liệu chuẩn, so sánh với các phương

-

pháp khác để làm rõ mức độ tin cậy của nó.
Cài đặt, tích hợp vào website bán sách online.
Tìm hiểu và khắc phục nhược điểm của kỹ thuật lọc cộng tác trong vấn đề người dùng
mới và sản phẩm mới cập nhập.

3. Phương pháp nghiên cứu

Thực hiện đề tài này, áp dụng các phương pháp nghiên cứu sau đây: Tìm hiểu, nghiên
cứu lý thuyết sau đó thực hành cài đặt giải thuật lọc cộng tác dựa trên bộ nhớ và cuối cùng
là đánh giá lại kết quả của giải thuật. Nghiên cứu lý thuyết để tìm hiểu các thông tin liên
quan đến chức năng gợi ý, tư vấn mà giải thuật mang lại, tìm hiểu phân tích ưu nhược

điểm của giải thuât. các thông tin liên quan đến vấn đề cần giải quyết. Cài đặt đánh giá
giải thuật lọc cộng tác, giúp kiểm tra lại cơ sở lý thuyết đã nghiên cứu rồi tiến hành so
sánh với các phương pháp khác.
Mục tiêu là xây dựng website bán hàng trực tuyến một cách hoàn chính và mở rộng
có tích hợp giải thuật lọc cộng tác nhằm đưa ra những gợi ý mua hàng phù hợp, hổ trợ cho
người dùng.
4. Ý nghĩa thực tiễn thực hiện đề tài

Đề tài giúp một phần nào đó trong việc nhận ra một trong những phần thiếu sót của
một số trang web bán sách trực tuyến hiện nay. Cần phải nâng cao chất lượng dịch vụ, hổ
trợ khách hàng nhiều hơn. Nhằm nâng cao khả năng cạnh tranh của mình, nâng cao vị thế
của mình trong nền kinh tế hàng hóa.


Đề tài đưa ra một hướng tiệp cần nhằm nâng cao chất lượng dịch vụ của website, xây
dựng một trong những tiện ích nhằm hổ trợ khách hàng trong việc gợi ý để khách hàng có
thể chọn mua những sản phẩm phù hợp cho cá nhân họ. Đặc biệt với ứng dụng này đã
được nghiên cứu từ khá lâu và đã được chứng minh tính hiệu quả của nó trên một số
website mua bán trên Thế Giới, tuy nhiên vẫn còn khá mới mẽ ở Việt Nam chúng ta hiện
nay.
5. Tóm tắt nội dung đề tài.

Chương 1: Giới thiệu tổng quan về kỹ thuật lọc cộng tác (Định nghĩa, các lý thuyết cơ
bản trong kỹ thuật lọc cộng tác, ưu điểm, nhược điểm của kỹ thuật này, những thách thức
khó khăn khắc phục vấn đề người dùng mới và sản phẩm mới. Các phương pháp tiếp cận
cho kỹ thuật lọc cộng tác)
Chương 2: Phân tích và thiết kế website bán sách trực tuyến và chức năng gợi ý cho
khách hàng lựa chọn sản phẩm.
Chương 3: Kết quả thực nghiệm của việc cài đặt, đánh giá, so sánh kết quả của giải thuật
lọc cộng tác với các phương pháp khác.

Chương 4: Thiết kế và cài đặt ứng dụng gợi ý sản phẩm cho khách hàng, một số giao
diện chính, và đưa ra mội số kịch bản minh họa cho kết quả xây dựng ứng dụng.
Chương 5: Kết quả đạt được và hướng phát triển
6. Tài liệu tham khảo
[1] Nguyễn Duy Phương. Luận văn tiến sỹ “Phát triển một số phương pháp lọc thông tin
cho hệ tư vấn”, đại học Công Nghệ.
[2] C. W. K. Leung, S. C. F. Chan, and F. L. Chung, “A collaborative filtering framework
based on fuzzy association rules and multi-level similarity,” Knowledge and Information
Systems, 2006
[3] D.Goldberg, D.Nichols, B.M.Oki, and D.Terry,“Using collaborative filtering to weave
an information tapestry,” Communications of ACM, 1992
[4] J. L.Herlocker, J. A.Konstan, L.G. Terveen, and J. T.Riedl, “Evaluating collaborative
filtering recommender systems,” ACM Transactions on Information Systems, 2004.
[5] Prem Melville and Vikas Sindhwani, “Recommender Systems”, IBM T.J. Watson
Research Center, Yorktown Heights, NY 10598
[6] A. Ansari, S. Essegaier, R. Kohli (2000), “Internet Recommendations Systems”. J.
Marketing Research, pp. 363-375.


[7] A.Umyarov, AlexanderTuzhilin: Improving Collaborative Filtering Recommendations
Using External Data. ICDM 2008: 618-627.
[8] C. Desrosiers, G. Karypis (2008), “Solving the Sparsity Problem: Collaborative
Filtering via Indirect Similarities”, Department of Computer Science and Engineering
University of Minnesota (Technical Report)
[9] D. Billsus and M. Pazzani (1998), “Learning Collaborative Information Filters”, Proc.
Int’l Conf. Machine Learning.
[10] G. Linden, B. Smith, and J. York (2003), “Amazon.com Recommendations: Item-toItem Collaborative Filtering”, IEEE Internet Computing
[11] I. Soboroff and C. Nicholas (1999), “Combining Content and Collaboration in Text
Filtering” Proc. Int’l Joint Conf. Artificial Intelligence Workshop: Machine Learning for
Information Filtering.

[12] J. S. Breese, D. Heckerman, and C. Kadie (1998), “Empirical analysis of Predictive
Algorithms for Collaborative Filtering”, In Proc. of 14th Conf. on Uncertainty in Artificial
Intelligenc
[13] JB. Schafer, J.A. Konstan, and J. Riedl (2001), “E-Commerce Recommendation
Applications,” Data Mining and Knowledge Discovery
[14] J.L. Herlocker, J.A. Konstan, and J. Riedl (2000), “Explaining Collaborative Filtering
Recommendations”, Proc. ACM Conf. Computer Supported Cooperative Work.
[15] K. Crammer, and Y. Singer (2002), “Pranking with ranking”, Advances in Neural
Information Processing Systems
[16] T. Tran and R. Cohen (2000), “Hybrid Recommender Systems for Electronic
Commerce”, Proc. Knowledge-Based Electronic Markets, Papers from the AAAI
Workshop
[17] X. Su, T. M. Khoshgoftaar (2009), “ASurvey of Collaborative Filtering Techniques”.
Advances in Artificial Intelligence